百度AI算法ERNIE在通用语言理解评估测试钟表现如何？

百度AI算法ERNIE在通用语言理解评估测试中的表现引人注目,根据《麻S理工科技评论》(MIT Technology Review)的报道，百度在本月初的一场人工智能竞争中，成功击败了微软和谷歌，具体而言，百度的ERNIE算法在通用语言理解评估测试（General Language Understanding Evaluation，GLUE）中展现了优越的性能，领先于其竞争对手。 GLUE是评估AI系统理解人类语言能力的重要标准，由九种不同测试组成，涵盖了理解句子中的人名、组织名以及处理代词“it”在多重先行词中的含义等任务，一个在GLUE测试中获得高分的语言模型通常能够处理复杂的阅读理解任务，以往最高的满分为100分，曾有模型在GLUE测试中取得了87分的平均成绩，而这次，百度凭借ERNIE模型首次在该测试中取得超过90分的突破性成绩。 值得一提的是，GLUE测试的公开排行榜持续更新，其他团队可能很快就会超越百度，但百度的这一成就无疑体现了AI研究的巨大价值，百度的研究人员开发了专门针对中文的技术来构建ERNIE模型，这一技术不仅提升了对中文的理解能力，更意外地也增强了对英语的理解能力。 在Transformer的双向编码器表示(BERT)问世前，自然语言模型主要擅长预测句子中的下一个单词，这使得它们在自动完成功能上表现出色，但在更复杂的意义理解方面存在明显不足，它们无法准确理解“it”这个代词在多重先行词中的具体含义。 BERT的引入彻底改变了这一局面，相比于之前只能单向考虑上下文的模型，BERT采用了双向编码器的方式，能够同时考虑单词前后的上下文信息，在预测缺失片段时，BERT采用了掩码技术，随机隐藏文本中的15%单词，然后从剩余的单词中进行预测，这种双向处理方式使得模型能够更准确地捕捉语义信息。 百度研究人员在开发自己的语言模型时，自然而然地沿袭了掩码技术的思路，但他们很快意识到，中文和英语在语义编码方式上存在显著差异，在英语中，单词通常是独立的语义单元，即使完全脱离上下文，单个单词也仍然保留其含义，中文则截然不同，许多字符只有在特定的组合中才能发挥意义。“灵”可以代表“机灵”或“灵魂”，而如果单独分开，专有名词中的字符（如“波士顿”或“美国”）也会失去其特定含义。 针对这些特点，百度的研究人员开发了新版本的掩码技术，能够隐藏整个字符串而不是单个字符，通过专门训练模型区分有意义的字符串和随机字符串，ERNIE在预测缺失片段方面表现出色，这一技术不仅提升了对中文文本的理解能力，也为从文本中进行翻译和信息检索等应用提供了更强大的支持。 研究人员还发现，这种方法同样适用于英语语言，英语中的专有名词和复杂表达式（如“Harry Potter”或“chip off the old block”）也需要在特定的语义组合中才能被正确理解，这使得ERNIE在处理这些复杂语义关系方面表现出色。

西格玛(erniesigma)是德国著名码表品牌，也是中国大陆知名度最高、适用率最广的码表品牌，它以外形含蓄、做工精细而闻名，在欧洲，几乎2/3的环法自行车赛选手选择西格玛品牌，这不仅体现了品牌在欧洲S场的高人气，更反映了其结合德国高科技与创新设计的卓越品质，西格玛品牌在实验室中以最严格的标准检测产品，确保生产线所有产品的品质，成为业界公认的不良率最低之品牌码表。